水下机器人是当前人类探索海底世界必不可少的工具，然而水下工作环境复杂危险，机器人一旦故障，将无法工作甚至无法进行回收，造成巨大的经济损失。因此实现对水下机器人故障诊断研究[3]有很重要的理论意义与现实价值。

1。2 水下机器人故障诊断技术的研究现状

1。2。1 故障诊断的基本概念

故障诊断是一门覆盖了的多学科的应用型技术，计算机工程、现代控制理论、数理统计、信号处理、模式识别、人工智能、人工神经网络等构成了故障诊断技术的理论基础。近年来科技的发展与工业需求，故障诊断技术已经成为控制领域的前沿热门课题。

故障简单的来说就是当系统出现异常状况，出现了正常系统所不存在的特性，也可以说是系统的某项参数或指标超出正常范围，导致系统不能正常工作。

故障诊断技术主要包括故障检测、故障隔离、故障识别三大内容[4-7]。故障检测能够判断系统是否故障与确定故障发生的具体时间；故障隔离能够确定故障发生的具体位置；故障识别能够识别出系统的故障类别。

故障诊断模型类似于映射，能够将输入与输出联系到一起，将系统的某刻参数与故障联系到一起。故障诊断模型不仅能够有效预防故障的发生，而且当故障发生时能快速进行诊断与消除，使系统恢复正常工作，提高系统运行的有效性和可靠性。

1。2。2 故障诊断方法的分类及概述

故障诊断技术其实就是对异常状态的信号进行模式识别，判读其的属于哪一种的故障类型。根据国际故障诊断权威专家P。 M。 Frank[8]的观点，故障诊断技术可概括分为三类：基于信号处理的故障诊断方法，基于解析模型的故障诊断方法和基于知识的故障诊断方法。来自优I尔Q论T文D网WWw.YoueRw.com 加QQ7520~18766

（1）基于信号处理的故障诊断方法

基于信号处理的故障诊断方法[9-11]，利用信号模型直接对可测信号进行测量，提取频率、方差、幅值等特征值，根据特征值的变化检测出故障信号，判断系统是否发生故障。如轴承故障诊断的双树复小波变换解调技术[12]，对轴承振动信号进行双树复小波分解和重构，计算信号的双树复小波幅值包络和包络谱，诊断系统故障。

基于信号处理的故障诊断方法一般不需要明确对象的数据模型，方法简单实用但不能有效诊断出已发生或潜在的故障。因此它多用于检测系统是否发生故障与系统发生的具体时间，该故障诊断方法一般不单独实用，多与其他诊断方法搭配使用。

（2）基于解析模型的故障诊断方法

基于解析模型的故障诊断方法[13-14]，明确诊断对象具有准确的数学模型的前提下，以数学方法对被测信号进行故障诊断。一般利用数学模型预测被测信号系统的输出值或者估计值，再将估计值与实际值比较，根据产生的残差大小判定故障是否发生。当系统有故障发生时，残差会明显偏离零值，超出正常范围。

虽然基于解析模型的故障诊断方法在最早的时间被提出，也进行了大量的研究，但是由于在实际应用中很难获得被测对象较为准确的数学模型，因此也限制了其在实际中的应用。

（3）基于知识的故障诊断方法

基于知识的故障诊断方法[15-16]是一种 “智能”的方法，不需要被测对象准确的数学模型，而是根据有关故障诊断的实际经验与知识设计出的一套计算机智能程序，能够解决复杂的故障问题，是一种灵活、智能的诊断方法，也是目前故障诊断的研究方向。基于知识的故障诊断方法又可以分为模糊故障诊断方法、神经网络故障诊断方法、信息融合故障诊断方法等。